Vi känner till det från våra egna hem:skrymmande köksredskap och vitvaror är svåra att rengöra. Inom industrin, komplexa komponenter är mer regel än undantag och ställer stora utmaningar för konstruktionen av rengöringssystem. En simulering kommer att kunna hjälpa i framtiden. I Learning Factory for Industrial Cleaning Technologies, som öppnar i slutet av 2019 på Fraunhofer Institute for Process Engineering and Packaging IVV i Dresden, företag kommer också att kunna testa kombinationen av olika rengöringstekniker.

När komponenter rullar av linjen, de är ofta täckta med kylande smörjmedel. Ofta, dessa smörjmedel måste avlägsnas innan delarna kan gå för vidare bearbetning. Med komplexa komponenter, dock, det här är långt ifrån lätt. Baserat på hans eller hennes erfarenhet, ansvarig ingenjör måste bestämma hur munstyckena i sprayrengöringssystemet ska placeras. Var finns det ett borrhål? Var finns det en underskärning på komponenten? I utarbetade testsystem, han eller hon kontrollerar om munstyckena uppnår önskad rengöringsprestanda och anpassar och bygger om därefter – en kostsam och tidskrävande process.

Installation av sprayrengöringssystem

I framtiden, denna uppgift kommer att göras enklare tack vare simuleringsprogram som utvecklats av forskare från Fraunhofer Institute for Process Engineering and Packaging IVV i Dresden tillsammans med partners Advitec Informatik GmbH och Innovations- und Simulationsservice Festenberg i SIMKOR-projektet, som sponsras av det tyska förbundsministeriet för utbildning och forskning (BMBF). "Mjukvaran ger resultat för rumsligt lösta rengöringsprestanda på bara några minuter, även för komplexa komponenter, säger Siegfried Beckmann, forskarassistent vid Fraunhofer IVV. Istället för att förlita sig enbart på erfarenhet, ingenjören laddar CAD-data för objektet som ska rengöras i programvaran och väljer och placerar munstycken. I ett föroptimeringssteg, han/hon kan i realtid se vilka områden rengöringsmedlet når direkt och vilka det inte når. Efter att ha valt en bra position för munstyckena på detta sätt, ingenjören startar simuleringen. Detta ger ännu mer detaljerade resultat, såsom den rumsliga och tidsmässiga fördelningen av mängden applicerat rengöringsmedel och en simulering av den teoretiska rengöringseffektiviteten. "Färgkodning indikerar var rengöringen är mer effektiv och var mindre. Detta gör det möjligt för användare att realistiskt bedöma problemområden oberoende av typ av smuts eller ytkvalitet, " förklarar Beckmann.

För att skapa simuleringsverktyget, forskarna vid Fraunhofer IVV utförde olika rengöringsexperiment med standard (dvs genomsnittliga) nivåer av nedsmutsning. De analyserade rengöringsresultaten för många munstyckspositioner och strålvinklar. "Vi behandlade munstyckena som orsaken och händelserna på ytan som effekten. Vi har medvetet valt ut allt däremellan, eftersom dessa processer var alldeles för komplexa för simuleringen. Så vi valde en statistisk simuleringsmetod, " säger Beckmann. Av dessa uppgifter, partnerna skapade sedan motsvarande matematiska modeller för simuleringen.

Den första testversionen är redan klar; under våren 2019, partnerna kommer att ta ut simuleringsmjukvaran på marknaden. I framtiden, simuleringen kanske till och med kan specificera optimala munstyckspositioner eller föreslå optimala rengöringsvägar för att maximera resurs- och energieffektiviteten i rengöringsprocessen – det är visionen.

Learning Factory för industriell rengöringsteknik

Vilken rengöringsprocess är optimal för en specifik komponent? Uppnår den valda rengöringsprocessen det önskade resultatet? Dessa frågor är ofta svåra att besvara för användare av rengöringsteknik. Detta gäller särskilt små och medelstora företag, av vilka det finns många i Sachsen. Forskarna vid Fraunhofer IVV har också rätt lösning för dessa små och medelstora företag:Learning Factory. "Där kombinerar vi etablerade vattenbaserade tekniker – det vill säga sprutning, nedsänkningsrengöring, ultraljud och rengöring av slutna rörledningar och tanksystem – med nyare metoder som atmosfäriskt tryckplasma, torr ånga och CO2 och laserrengöring, " förklarar Markus Windisch, Teamledare för industriell komponentrengöring på IVV. "Tillsammans med kunden, vi börjar med att ta fram en lösning för den specifika applikationen och sedan testar vi den i Learning Factory." I ett nötskal:Learning Factory är en plattform som gör det möjligt för företag att prova olika städtekniker – och särskilt olika kombinationer av dessa – på ett säkert sätt När de väl har hittat den optimala rengöringslösningen, företag kan bygga om i enlighet med detta och ge sina anställda lämplig utbildning i Learning Factory redan innan driftsättningen. "Vi använde medvetet kommersiellt tillgängliga enheter och hårdvara, så att vi kan erbjuda praktiska lösningar, säger Windisch.

Forskarna tar även hänsyn till Industrie 4.0 och digitaliseringen i Lärfabriken. Till exempel, de integrerade en systemlösning som registrerar processdata – oavsett om det kommer från maskinerna själva eller läggs in manuellt av operatören. Istället för att sätta upp klisterlappar med instruktioner över hela maskinen, som har varit praxis i många fabriker, arbetare kan skriva in sina kommentarer direkt i systemet med hjälp av en surfplatta och dela dem med sina kollegor på detta sätt – även de som arbetar på andra fabriker.

Vissa av teknikerna är redan igång, och inledande kundförfrågningar har också kommit in. Ändå, det kommer att ta lite tid innan rengöring av komplexa komponenter och kombinationen av olika rengöringstekniker kan testas – det kräver ett andra robotsystem. I slutet av 2019 ska det vara klart. I det skedet, Learning Factory kommer också att omfatta kompetensträning för kundernas anställda. Ämnen som tas upp är:Hur skiljer sig ledningen av en kvalitetskontrollerad städprocess från den för en tidskontrollerad städprocess? Den 14 mars, 2019, en projektworkshop kommer att hållas i samarbete med Saxony Economic Development Corporation (WFS) – ett branschevenemang med fokus på städkvalitet.